هر چیزی که در داتهوش منتشر شده، به ترتیب زمان. تازههای کمتر از یک ساعت با نشانک زنده مشخص شدهاند.

گروهی کوچک از کارکنان و بنیانگذاران هوش مصنوعی، ثروتهایی فراتر از ۲۰ میلیون دلار جمع کردهاند و بقیه صنعت را پشت سر گذاشتهاند. این شکاف مالی باعث ایجاد یک «ملال عمیق» در میان مهندسان نرمافزار و مدیرانی شده که با تعدیل نیرو مواجهاند.

انویدیا مدل SANA-WM را با ۲.۶ میلیارد پارامتر معرفی کرد که قادر است ویدیوهای یک دقیقهای با کیفیت 720p را روی یک GPU تولید کند. این مدل با جایگزینی مکانیزم توجه استاندارد با Gated DeltaNet، سرعت پردازش را ۳۶ برابر افزایش داده است.

معیار جدید WorldReasonBench نشان میدهد که مدلهای تجاری تولید ویدیو در استدلال جهانی دو برابر قدرتمندتر از رقبای بازمتن هستند. با این حال، تمامی مدلهای بررسیشده در درک مفاهیم پایه فیزیکی و منطق علیتی شکست میخورند.

چارچوب جدید Orthrus سرعت استنتاج مدلهای Qwen3 را تا ۷.۸ برابر افزایش میدهد بدون اینکه دقت پاسخها کاهش یابد. این سیستم مدلهای پیشنویس سنگین را با یک معماری انتشار دو-نمایی جایگزین کرده است.

پیتر استاینبرگر، بنیانگذار OpenClaw، ماهانه ۱.۳ میلیون دلار برای APIهای OpenAI هزینه میکند. او با استفاده از ۱۰۰ عامل خودکار و مدل GPT-5.5، در حال بررسی این است که وقتی هزینه توکنها دیگر مانعی نباشد، توسعه نرمافزار چگونه تغییر میکند.

بلکراک هشدار میدهد که هزینههای کلان هوش مصنوعی از یک روند شرکتی به یک نیروی اقتصاد کلان تبدیل شده است. این تغییر باعث همسویی داراییهای نامرتبط شده و استراتژیهای سنتی مدیریت ریسک را ناکارآمد میکند.

پژوهشگران مؤسسه Allen و دانشگاه برکلی مدلی به نام EMO را معرفی کردند که با سازماندهی متخصصان بر اساس دامنههای معنایی، عملکرد خود را حتی با حذف ۸۷.۵٪ از ظرفیت متخصصان حفظ میکند.

در سال ۲۰۲۶، انتخاب ابزار کدنویسی از مقایسه کیفیت مدلها به انتخاب «مدل عملیاتی» تغییر کرده است. تیمها باید بین چهار گردشکار متمایز انتخاب کنند تا از اصطکاک مهندسی و هزینههای اضافی جلوگیری کنند.

توسعهدهندگان با استفاده از Hermes Agent و Termux، گوشیهای اندرویدی را به ایستگاههای کاری هوش مصنوعی تبدیل میکنند. این عاملهای خودگردان بدون نیاز به ابر، مخازن گیتهاب را مدیریت کرده و کدها را از طریق تلگرام اجرا میکنند.

بزرگترین اتحادیه سامسونگ از ۲۱ مه برای ۱۸ روز اعتصاب میکند. این توقف تولید، زنجیره تأمین حافظههای HBM را تهدید کرده و میتواند سهم بازار را به نفع SK Hynix و Micron تغییر دهد.

دیتابریکس مدل GPT-5.5 را به جریانهای کاری عاملهای خود اضافه کرد. این مدل با عبور از مرز ۵۰٪ دقت در بنچمارک OfficeQA Pro، نرخ خطای پردازش اسناد قدیمی و PDFهای اسکنشده را ۴۶٪ کاهش داده است.

لنگچین با تأسیس یک مرکز پژوهشی جدید، بر روی «یادگیری مستمر» برای عاملهای هوش مصنوعی تمرکز کرده است. هدف این است که ردپاهای اجرایی مدلها به دادههای آموزشی تبدیل شوند تا بهینهسازی عاملها و تنظیم دقیق مدلها بهصورت خودکار صورت گیرد.

استفاده از فایلهای دستورالعمل حجیم در Claude Code باعث اتلاف هزاران توکن در هر درخواست میشود. جایگزینی این روش با سیستم «مهارتها» میتواند این هزینه را به ۵۰ توکن کاهش دهد.

نسخه ۲.۱.۱۳۹ ابزار Claude Code با معرفی دستور /goal، امکان تعریف شرایط پایان برای کارهای خودکار را فراهم کرد. در این سیستم، یک مدل مجزا از خانواده Haiku وظیفه ارزیابی هر گام را بر عهده دارد تا از توقف زودهنگام یا اشتباه عامل جلوگیری کند.

ساکنان دریاچه تاهو با بحران انرژی مواجهاند؛ زیرا شرکت NV Energy در حال انتقال برق از بخش مسکونی به مراکز دادهی هوش مصنوعی است. تا مه ۲۰۲۷، نزدیک به ۵۰ هزار نفر احتمالاً دسترسی به منبع اصلی برق خود را از دست میدهند یا با افزایش شدید قیمتها روبرو میشوند.

ابزار sx یک مدیریتکننده بسته برای داراییهای هوش مصنوعی است که اشتراکگذاری مهارتها و تنظیمات MCP را در تیمها ممکن میکند. این ابزار با تبدیل پرامپتها به وابستگیهای مدیریتشده، مانع از پراکندگی دانش در محیطهای مختلف برنامهنویسی میشود.

شرکت Zyphra با معرفی ZAYA1-8B-Diffusion-Preview، نخستین مدل MoE را ارائه کرد که از ساختار خودبازگشتی به مدل انتشار گسسته تبدیل شده است. این معماری با تولید همزمان ۱۶ توکن، سرعت استنتاج را در سختافزارهای AMD تا ۷.۷ برابر افزایش میدهد.

تسلا اعتراف کرد که اپراتورهای انسانی در دستکم دو مورد، روبوتاکسیها را به طور مستقیم به سمت موانع هدایت کردند. این حوادث تفاوت خطرناک میان «کنترل مستقیم» تسلا و «سیستمهای مبتنی بر ورودی» در شرکتهایی مثل ویمو را آشکار میکند.

سرمایهگذاران هوش مصنوعی از مدلهای زبانی عمومی فاصله گرفته و به سمت زیرساختهای تخصصی دفاعی و رباتیک میروند. در این میان، جذب ۵ میلیارد دلاری Anduril و گزارش تکاندهنده Anthropic درباره اخاذی عاملهای هوش مصنوعی، سیگنالهای جدیدی از تغییر بازار میفرستند.

پنج مدیر سابق OpenAI تحت سوگند شهادت دادند که سام آلتمن درباره مأموریت غیرانتفاعی شرکت دروغ گفته است. این دادگاه میتواند ساختار ۸۰۰ میلیارد دلاری این شرکت را به کلی تغییر دهد.

یک استراتژی جدید با ترکیب مدل Mistral Nemo و ابزار vLLM، هزینه استنتاج را تا ۹۵٪ کاهش میدهد. این پیکربندی روی GPUهای ارزانقیمت، سرعت پاسخدهی را ۳ برابر کرده و نیاز به پرداخت هزینههای توکنی APIها را حذف میکند.

پروژهی جدید OWASP با نام Agent Memory Guard، عاملهای هوش مصنوعی را در برابر حملات مسمومیت حافظه محافظت میکند. این ابزار با استفاده از امضاهای رمزنگاری و تحلیل معنایی، مانع از تثبیت دستورات مخرب در حافظهی بلندمدت مدل میشود.

شرکت NTT DATA با خرید WinWire قصد دارد هوش مصنوعی سازمانی را از چتباتهای آزمایشی به عاملهای خودکار تبدیل کند. این قرارداد ۱۰۰۰ مهندس متخصص را برای یکپارچهسازی AI در جریانهای کاری شرکتها از طریق Azure جذب میکند.

زبان آزمایشی Aperio با جایگزینی نحو سنتی با مدلهای ساختاری به نام loci، فاصله بین تفکر انسانی و کد را میگیرد. هدف این پروژه کاهش هزینه توکنها و تأخیر در عاملهای کدنویسی است.

توسعهدهندگان سیستمهای بیومتریک با ریسکهای قانونی شدیدی از سوی قانون BIPA و قانون اصلاح نظارت دولتی ۲۰۲۶ روبرو هستند. برای اجتناب از جریمههای سنگین، معماری این سیستمها باید از «نظارت جمعی» به «تطبیق یکبهیک» و حذف خودکار دادهها تغییر کند.

یک درگاه API متنباز جدید، ۴۳ مدل از ۱۳ ارائهدهنده مختلف را زیر یک نقطه اتصال واحد جمع کرده است. این ابزار با مسیریابی هوشمند، هزینههای استنتاج را تا ۱۰ برابر کاهش میدهد.

ابزار جدید image-blaster با ترکیب Claude و مدلهای تخصصی، امکان تبدیل یک عکس به محیطهای سهبعدی، مشها و جلوههای صوتی را در کمتر از ۵ دقیقه فراهم میکند. این سیستم خط لوله تولید داراییهای سهبعدی را بهطور کامل خودکار میکند.

شرکت Deloitte معتقد است برای دستیابی به رشد واقعی، سازمانها باید از چتباتها عبور کرده و به سمت «هوش خودگردان» حرکت کنند. این تحول نیازمند جایگزینی دادههای گزارشمحور با دادههای «درجهیک» و حل مشکل «شکاف تولید» در حاکمیت داده است.

۱۲ عامل هوش مصنوعی در یک آزمایش سه هفتهای سعی کردند سیستمی خودگردان ایجاد کنند، اما تمایل آنها به «اتمام تکلیف» بهجای «دقت»، منجر به فلج کامل و نقض امنیتی شد.

شرکت xAI ابزار Grok Build را بهعنوان یک عامل کدنویسی مبتنی بر ترمینال برای مهندسان نرمافزار معرفی کرد. این ابزار در حال حاضر تنها برای مشترکان سطح SuperGrok Heavy در دسترس است و از سیستم تأیید برنامهمحور بهره میبرد.